%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
TW
Perseus Doc Vl 0712 I1 GGUF
Perseus-Doc-vl-0712是一款支持多語言的視覺語言模型，適用於文本生成、圖像字幕生成和光學字符識別等任務。
下載量 105
發布時間 : 7/14/2025
模型概述
該模型基於特定數據集訓練，提供視覺理解和文本處理能力，適用於多種場景下的文檔分析和圖像理解任務。
模型特點
多語言支持
支持英語和中文，適用於多語言環境下的文檔處理任務。
視覺語言理解
結合視覺和語言處理能力，能夠理解和生成與圖像相關的文本內容。
量化版本多樣
提供多種量化版本，用戶可以根據需求選擇適合的模型大小和質量。
模型能力
文本生成
圖像字幕生成
光學字符識別
智能字符識別
視覺理解
文檔分析
使用案例
文檔處理
PDF內容分析
從PDF文檔中提取和分析文本內容。
高效識別和提取文檔中的文字信息。
圖像字幕生成
為圖像生成描述性字幕。
生成與圖像內容相關的準確描述。
多語言應用
多語言OCR
識別和提取多語言文檔中的文字。
支持英語和中文的字符識別。
🚀 Perseus - Doc - vl - 0712模型
Perseus - Doc - vl - 0712是一款視覺語言模型，支持多種語言，適用於文本生成推理、圖像字幕生成、光學字符識別等多種任務。它基於特定的數據集進行訓練，能為用戶在不同場景下提供有效的視覺理解和文本處理能力。
📚 詳細文檔
模型基本信息
| 屬性 | 詳情 |
|---|---|
| 基礎模型 | prithivMLmods/Perseus - Doc - vl - 0712 |
| 數據集 | prithivMLmods/OpenDoc - Pdf - Preview、prithivMLmods/Corvus - OCR - Caption - Mix、prithivMLmods/Openpdf - Analysis - Recognition、prithivMLmods/Opendoc2 - Analysis - Recognition |
| 支持語言 | 英語、中文 |
| 庫名稱 | transformers |
| 許可證 | apache - 2.0 |
| 量化者 | mradermacher |
| 標籤 | text - generation - inference、image - captioning、optical - character - recognition、intelligent - character - recognition、caption、ocr、visual - understanding、art、icr、image - to - text、vlm、Doc - v |
關於模型
加權/矩陣量化版本基於https://huggingface.co/prithivMLmods/Perseus - Doc - vl - 0712 。
如需便捷的概覽和下載列表，請訪問我們的[此模型頁面](https://hf.tst.eu/model#Perseus - Doc - vl - 0712 - i1 - GGUF)。
靜態量化版本可在https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - GGUF 獲取。
這是一個視覺模型 - mmproj文件（如果有）將存於[靜態倉庫](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - GGUF)中。
使用說明
如果您不確定如何使用GGUF文件，請參考[TheBloke的README](https://huggingface.co/TheBloke/KafkaLM - 70B - German - V0.1 - GGUF)以獲取更多詳細信息，包括如何拼接多部分文件。
提供的量化版本
（按大小排序，不一定按質量排序。IQ量化通常優於相似大小的非IQ量化）
| 鏈接 | 類型 | 大小/GB | 備註 |
|---|---|---|---|
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ1_S.gguf) | i1 - IQ1_S | 2.0 | 適用於急需情況 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ1_M.gguf) | i1 - IQ1_M | 2.1 | 大多用於急需情況 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_XXS.gguf) | i1 - IQ2_XXS | 2.4 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_XS.gguf) | i1 - IQ2_XS | 2.6 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_S.gguf) | i1 - IQ2_S | 2.7 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ2_M.gguf) | i1 - IQ2_M | 2.9 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q2_K_S.gguf) | i1 - Q2_K_S | 2.9 | 質量非常低 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q2_K.gguf) | i1 - Q2_K | 3.1 | IQ3_XXS可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_XXS.gguf) | i1 - IQ3_XXS | 3.2 | 質量較低 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_XS.gguf) | i1 - IQ3_XS | 3.4 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q3_K_S.gguf) | i1 - Q3_K_S | 3.6 | IQ3_XS可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_S.gguf) | i1 - IQ3_S | 3.6 | 優於Q3_K* |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ3_M.gguf) | i1 - IQ3_M | 3.7 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q3_K_M.gguf) | i1 - Q3_K_M | 3.9 | IQ3_S可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q3_K_L.gguf) | i1 - Q3_K_L | 4.2 | IQ3_M可能更好 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ4_XS.gguf) | i1 - IQ4_XS | 4.3 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - IQ4_NL.gguf) | i1 - IQ4_NL | 4.5 | 首選IQ4_XS |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_0.gguf) | i1 - Q4_0 | 4.5 | 速度快，質量低 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_K_S.gguf) | i1 - Q4_K_S | 4.6 | 大小/速度/質量最優 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_K_M.gguf) | i1 - Q4_K_M | 4.8 | 速度快，推薦使用 |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q4_1.gguf) | i1 - Q4_1 | 5.0 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q5_K_S.gguf) | i1 - Q5_K_S | 5.4 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q5_K_M.gguf) | i1 - Q5_K_M | 5.5 | |
| [GGUF](https://huggingface.co/mradermacher/Perseus - Doc - vl - 0712 - i1 - GGUF/resolve/main/Perseus - Doc - vl - 0712.i1 - Q6_K.gguf) | i1 - Q6_K | 6.4 | 實際上與靜態Q6_K類似 |
以下是ikawrakow製作的一個實用圖表，比較了一些低質量量化類型（數值越低越好）：
以下是Artefact2對此事的看法： https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9
常見問題解答/模型請求
如需瞭解您可能遇到的問題的答案，或希望對其他模型進行量化，請訪問https://huggingface.co/mradermacher/model_requests 。
📄 許可證
本模型使用的許可證為apache - 2.0。
🙏 致謝
感謝我的公司nethype GmbH，允許我使用其服務器，並對我的工作站進行升級，使我能夠在業餘時間完成這項工作。此外，感謝@nicoboss讓我使用他的私人超級計算機，使我能夠提供更多、質量更高的矩陣量化版本。
Clip Vit Large Patch14
CLIP是由OpenAI開發的視覺-語言模型，通過對比學習將圖像和文本映射到共享的嵌入空間，支持零樣本圖像分類
圖像生成文本
C
openai
44.7M
1,710
Clip Vit Base Patch32
CLIP是由OpenAI開發的多模態模型，能夠理解圖像和文本之間的關係，支持零樣本圖像分類任務。
圖像生成文本
C
openai
14.0M
666
Siglip So400m Patch14 384
Apache-2.0
SigLIP是基於WebLi數據集預訓練的視覺語言模型，採用改進的sigmoid損失函數，優化了圖像-文本匹配任務。
圖像生成文本
Transformers
TransformersS
google
6.1M
526
Clip Vit Base Patch16
CLIP是由OpenAI開發的多模態模型，通過對比學習將圖像和文本映射到共享的嵌入空間，實現零樣本圖像分類能力。
圖像生成文本
C
openai
4.6M
119
Blip Image Captioning Base
Bsd-3-clause
BLIP是一個先進的視覺-語言預訓練模型，擅長圖像描述生成任務，支持條件式和非條件式文本生成。
圖像生成文本 Transformers
TransformersB
Salesforce
2.8M
688
Blip Image Captioning Large
Bsd-3-clause
BLIP是一個統一的視覺-語言預訓練框架，擅長圖像描述生成任務，支持條件式和無條件式圖像描述生成。
圖像生成文本 Transformers
TransformersB
Salesforce
2.5M
1,312
Openvla 7b
MIT
OpenVLA 7B是一個基於Open X-Embodiment數據集訓練的開源視覺-語言-動作模型，能夠根據語言指令和攝像頭圖像生成機器人動作。
圖像生成文本 Transformers 英語
Transformers 英語O
openvla
1.7M
108
Llava V1.5 7b
LLaVA 是一款開源多模態聊天機器人，基於 LLaMA/Vicuna 微調，支持圖文交互。
圖像生成文本 Transformers
TransformersL
liuhaotian
1.4M
448
Vit Gpt2 Image Captioning
Apache-2.0
這是一個基於ViT和GPT2架構的圖像描述生成模型，能夠為輸入圖像生成自然語言描述。
圖像生成文本 Transformers
TransformersV
nlpconnect
939.88k
887
Blip2 Opt 2.7b
MIT
BLIP-2是一個視覺語言模型，結合了圖像編碼器和大型語言模型，用於圖像到文本的生成任務。
圖像生成文本 Transformers 英語
Transformers 英語B
Salesforce
867.78k
359
精選推薦AI模型
Llama 3 Typhoon V1.5x 8b Instruct
專為泰語設計的80億參數指令模型，性能媲美GPT-3.5-turbo，優化了應用場景、檢索增強生成、受限生成和推理任務
大型語言模型 Transformers 支持多種語言
Transformers 支持多種語言L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一個基於SODA數據集訓練的超小型對話模型，專為邊緣設備推理設計，體積僅為Cosmo-3B模型的2%左右。
對話系統 Transformers 英語
Transformers 英語C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基於RoBERTa架構的中文抽取式問答模型，適用於從給定文本中提取答案的任務。
問答系統 中文
R
uer
2,694
98